🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
二〇二三年初，以色列政府推动一场司法改革，打算限制最高法院的权力。支持者说，法院太强势，抢走了民选政府的话语权；反对者说，这是在动摇民主的根基。双方情绪被点燃，街头很快挤满了人。这项研究盯住改革最重要的两名推手：司法部长莱文，以及议会宪法、法律与司法委员会主席罗斯曼。研究者想弄清楚，他们在公开场合到底用了哪些情绪手段，把司法改革框成一个必须马上解决的紧迫问题，公众又是怎么接招的。以色列社会本来就沿着宗教与世俗、左与右的多条裂缝对立，最高法院的宪法地位更是长期争议的焦点，二〇二三年的改革等于往这道裂缝里又浇了一桶油。研究者关心的不是法律条文本身，而是“这件事为什么会被说成一个问题”，以及情绪在其中扮演了什么角色。
② 研究问题（要回答什么？）
这项研究要弄清楚，情绪能不能被当成一种政策工具来用。过去的政策理论讲“多源流框架”，通常把公众情绪看成模糊的大环境背景，很少有人认真研究它怎么被主动操纵。两位作者偏说，情绪不只是背景，而是改革推手主动挥舞的武器。他们提出两个假设。第一，左、中、右三个阵营的人，对同一套情绪话术会不会有不同类型的反应。第二，在同一个阵营内部，情绪反应的强弱是不是也会不一样。研究者还想顺带看看，政客本人和他们说过的话，哪一样更能激起强烈情绪。这两个问题都指向同一个更大的关切：在极化社会里，情绪到底是怎么把一件事推上公众议程的。
③ 研究方法（怎么做的？）
研究者把三种办法拧成一股绳，像三条腿的板凳互相撑着。第一条腿是人工读文本。他们把莱文和罗斯曼在二〇二三年一月四日到七月二十三日的三十一场公开露面找齐，包括议会全体会议六场、委员会会议十四场、直接面对媒体十一次，逐字转写，归纳出七个主题。第二条腿是让机器帮忙核对。他们请两款语言模型按“日内瓦情绪轮”给这些讲话的情绪分类，再同人工归纳的结果对照，看两边是不是想得一样。第三条腿是发放问卷。二〇二五年三月，他们找了四百七十名犹太裔以色列人，请他们读六段有代表性的语录，按五分制给自己的情绪打分，还要给两位政客本人打分。为了防止疲劳和顺序干扰，题目顺序在每个人那里都是随机打乱的。
④ 结果（发现了什么？）
结果显示，几乎所有的情绪诉求都引出了负面情绪。研究者原本以为，不同的情绪会在左右两边引出不同的反应，可数据显示，无论出自谁的口、面向哪个阵营，公众给出的基本都是负面情绪，左中右概莫能外。二十种情绪里，只有十一种的得分明显超过“无感”的水平，而没被激活的九种全部是正面情绪，唯一的例外是“兴趣”。第二个假设得到支持：情绪的强弱确实分层，右翼人群的负面程度明显低于中间和左翼，差距最大的几种情绪是恐惧、厌恶、轻蔑和愤怒。作者还发现一个耐人寻味的现象，公众对政客本人和对他们讲话的情绪反应几乎分不出彼此，很难说清楚大家讨厌的究竟是他的观点，还是他这个人。
⑤ 讨论（这些发现说明什么？）
对这些发现，作者给出了一套解释。他们认为，负面情绪正是这场改革的主要动员手段，改革推手拼命把群众推到愤怒、恐惧、厌恶的状态，好让最高法院看起来像一个必须马上拆除的威胁。可这套手段也带来了反噬：它把公众对改革的第一印象早早锁定，之后再想重新框定问题就难了，这就是心理学讲的“情绪锚定”。作者特别提醒，研究是横截面的，只有一次调查、一个时间点，不能证明因果，只能说数据里的模式和锚定的解释互相吻合。此外，他们坦承样本只覆盖犹太裔，阿拉伯裔被排除在外，理由是改革推手压根没有面向阿拉伯语受众，所以情绪话术的效应本来就是有边界的。
⑥ 结论（最终结论 + 启示）
这项研究最核心的贡献，是把情绪正式请进了“问题定义”这个环节。过去人们以为，一件事之所以成为问题，靠的是数据、指标或突发事件。这项研究说，情绪也能把一件事推上议程，让它在证据不足时照样显得紧迫、正当、非解决不可。以色列的案例就是明证：改革宣布几周内，十万多人上街，工会发动全国罢工，政府被迫按下暂停键。但作者也提出警告，全靠负面情绪动员，短期也许有效，长期会加剧对立、压缩妥协空间，最后反而可能让改革自己垮掉。他们建议，未来的研究应该多看看希望、骄傲这类正面情绪能不能也被用来定义问题，以及同样的机制在别的极化国家是否成立。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
情绪是人类政治与政策行为的核心驱动力，却在多源流框架（Multiple Streams Framework, MSF）中长期被压缩为政治流中模糊的“公众情绪”（Kingdon, 1984; Zahariadis, 2015）。既有 MSF 研究多聚焦政策企业家的策略清单——问题识别、方案推销、议程塑造、实施合法化（Petridou & Mintrom, 2021），却极少追问情绪如何主动建构问题被感知为“紧迫、威胁、道德上不可接受”的可解释性过程。Maor（2024）以情绪视角重构 MSF，提出“情绪型政策企业家”（emotional policy entrepreneurs）——那些以操纵他人情绪经历、表达与行为来推进政策目标的行为者，其手段包括上调、下调某情绪强度，或把一种情绪转换为另一种（如把焦虑转为愤怒）。本文以此为起点，选取以色列二〇二三年一月至二〇二四年十二月的司法改革这一高显著性案例，考察情绪型政策企业家在问题定义阶段如何部署情绪策略，以及公众如何作出差异化情绪回应。既有文献的空白有三：其一，未把情绪视为问题流内部的内生机制；其二，极少在同一研究中把精英修辞与公众情绪反应直接对接测量；其三，情绪框架对后续问题重框定的约束效应缺乏实证。本文的三点贡献正对应这三处空白，并首次将人工主题分析、AI 辅助情绪分类与代表性民意调查整合为一个混合方法设计。
I. Theoretical Framework & Hypotheses（理论框架与假设）
研究以 MSF 的问题流为核心，辅以民粹主义与情感极化（affective polarization）的宏观背景，并以 Geneva Emotion Wheel（GEW, Scherer 2005）作为离散情绪的测量工具。GEW 含 20 种离散情绪，覆盖正负两维，用于实验室与应用情境中测量对特定事件、对象或情境的情绪反应。作者进一步引入 Höijer（2011, p.9）的“情绪锚定”（emotional anchoring）概念——“一种把新现象系结到众所周知情绪上的传播过程”，用以解释早期情绪反应如何锁定后续解释框架。据此，研究提出两个假设并回答一个总问题。
| 编号 | 假设 / 问题 | 对应理论 |
|---|---|---|
| RQ | 情绪型政策企业家使用了哪些类型的情绪策略，其在围绕特定问题框定动员公众方面的结果如何？ | MSF 问题流 + 情绪型政策企业家 |
| H1 | 左、中、右三种意识形态认同者，对政策企业家情绪策略的情绪反应在类型上存在显著差异 | 情感极化 + GEW 离散情绪 |
| H2 | 在同一意识形态群体内部，情绪反应的强度存在差异，反映情感卷入程度不同 | GEW 强度 + 情感锚定 |
作者特别说明，因 Levin 与 Rothman 同时充当问题经纪人（problem broker）与政策倡导者，文中统一称其为可能使用情绪策略的政策企业家，而非单纯的问题经纪人（Knaggård, 2015）。
M. Materials & Methods（材料与方法）
- 设计：混合方法——质性内容分析（人工主题归纳 + AI 辅助分类）＋ 代表性问卷调查。识别策略是“话语内容分析 + 受众情绪测量”，非因果识别。
- 语料：Levin 与 Rothman 二〇二三年 1 月 4 日（Levin 首次提出改革）至 7 月 23 日（限制“合理性标准”立法通过）期间的三十一场公开露面，含议会全体会议 6 场、宪法法律与司法委员会（CLJC）14 场、直接媒体露面 11 次，全部下载转写。
- 人工主题分析：归纳式编码（abductive logic, Reichertz 2010）得七个主题；再以演绎方式套用 MSF 情绪策略、民粹与极化理论。情绪目标从 GEW 的 20 种离散情绪中选取（称“intended emotions”）。价值观识别锚定两套框架：Inglehart & Welzel（2005）文化地图（传统 vs 世俗-理性、生存 vs 自我表达）与 Almond & Verba（1963）“参与者政治文化”。
- AI 三角验证：用
ChatGPT-4与Claude Sonnet 4.5按 GEW 对语录的“intended emotional content”分类；提示词标准化、限于分类任务；多次重复运行，按多数决汇总。原始运行输出未保留，无法做正式一致性检验（作者自陈局限）。 - 问卷：2025 年 3 月发放，犹太裔以色列人配额样本 n=470（左 149 / 中 154 / 右 167），Lauder 政府外交与战略学院伦理批准（8.2.25）。从 37 条候选语录中选出 6 条复合语录（44–92 词，M=72.5），每条对应一个主题。
- 测量：GEW 五点强度量表（1 = 完全不是，5 = 非常强烈）；每位受访者产生 160 个情绪评分（20 情绪 × 8 目标：6 语录 + 2 政客本人）。题目随机排列。阈值取 2 区分“无/微弱激活”与有意义卷入。
- 统计：重复测量 ANOVA（因违反球形性假设全用 Greenhouse–Geisser 校正）；另用 R 的
lme4估计多层模型（MLM），按被试设随机截距，比较四个嵌套模型（空模型 / +语录固定效应 / +政治定位 / +语录×定位交互），以检验对数据依赖结构的稳健性。
R. Results（结果）
- 样本特征：n=470，年龄 M=40.95（SD=14.44）、18–79 岁；女性 50.9%、男性 48.9%；世俗 68.1%、传统 18.7%、正统 8.3%、极端正统 4.9%；对改革的态度均值左 1.30、中 1.96、右 3.33（F(2,467)=142.65, p<0.0001）。阿拉伯裔被系统排除（改革推手未以阿语受众为对象）。
- 情绪激活：20 种 GEW 情绪中仅 11 种在语录上的均值 > 2，其余 9 种未激活者全部属于正面维度；“兴趣”（interest）是唯一被保留的正面情绪。floor effect 使未激活情绪只报告描述统计（Liu & Wang, 2021）。
- H1（类型差异）拒绝：多元分析显示九个情绪上政治定位×情绪反应的交互均不显著，仅两处例外——对 Levin 的愤怒、对 Rothman 的愧疚——且 partial η² < 0.3，效应边际。各政治阵营的情绪方向高度一致，均为负面。
- H2（强度差异）支持：右翼对 Levin 的全部负面情绪强度最低；对 Rothman 则是十分之九。差异最大的情绪为恐惧、厌恶、轻蔑、愤怒。“兴趣”在中间与左翼的强度反而更低。
- MLM 稳健性：ICC 对 Levin 为 0.37–0.83、对 Rothman 为 0.56–0.85，证实强组内聚类。政治定位在两企业家全部被检验情绪上均显著；语录×定位交互在主分析中不显著，与 ANOVA 的边际效应一致。
- AI 三角验证：人工与 AI 分析在 14 组比较中 13 组高度重叠；唯一例外是主题 5（联盟制自平衡）面向右翼阵营的情绪。AI 预测右翼会表现失望、厌恶、轻蔑、愤怒，且愧疚只出现在左翼对 Rothman——与实测部分不符；但“羞耻”在左翼与中间更高这一预测得到证实。
| 变量 | 左 N=149 | 中 N=154 | 右 N=167 | 总体 N=470 | 显著性 |
|---|---|---|---|---|---|
| 年龄 M(SD) | 44.09 (15.60) | 42.45 (13.52) | 36.75 (13.23) | 40.95 (14.44) | F(2,467)=11.936, P<0.001 |
| 性别（女 %） | 50.7% | 57.1% | 45.5% | 51.0% | P>0.05 |
| 宗教性（世俗 %） | 88.6% | 76.6% | 41.9% | 68.1% | Χ²(df=6)=100.837, P<0.0001 |
| 教育（本科以上 %） | 68.4% | 63.0% | 52.7% | 61.1% | Χ²(df=6)=16.976, P<0.01 |
| 对改革态度（1–5） | 1.30 (0.73) | 1.96 (1.12) | 3.33 (1.32) | 2.23 (1.39) | F(2,467)=142.65, p<0.0001 |
表：样本描述统计（据 Table 1 重排，括号内为标准差）。
a / D. Discussion & Conclusion（讨论与结论）
- 理论意义：情绪可作为问题流内部的内生机制。情绪线索不仅建构问题的“显著性”，还建构其作为公共关切的“合法性”。情绪策略能在证据薄弱、缺乏外部冲击时，仍让一个议题成为“问题”。
- 情绪锚定：对政客本人与其言论的情绪反应无法区分，且跨语录、跨群体稳定，符合 Höijer（2011）描述的锚定动态——早期情绪反应约束后续解释弹性，压缩重框定空间。作者强调横截面设计不构成因果识别，仅提供与锚定机制“一致”的解释力。
- 议程效应：2023-02-13 逾十万人在耶路撒冷集会；3-26 逾 150 处封路、大学无限期停课、23 名地方议会领袖绝食；3-27 Histadrut 全国总罢工，本古里安机场与科技业停摆；3 月底政府暂停改革立法。情绪框定被论证为塑造了改革的显著度、持久性与争议性。
- “同一情绪、不同靶子”：右翼的负面情绪可能指向司法机关，中左翼的负面情绪则指向改革本身——共享的情绪语域（愤怒、恐惧）掩盖了归因与责备的深层分歧。
- 受众边界：情绪策略是 audience-bounded 的——其塑造问题认定的能力，取决于目标受众是否共享所唤起的情感与身份框架。
- 局限：非因果识别（无时间序列、无实验、无面板）；样本仅犹太裔，不可外推至全体；GEW 依赖西方情感语义、对混合情绪处理粗糙；AI 多次运行原始输出未保留，无法做正式一致性检验。
- 实践启示：过度依赖负面情绪的策略短期提升问题显著度与动员，却加剧情感极化、压缩妥协空间，可能反致政策失败。文章为开放获取，由 Reichman University 资助。
🧠 IRMaD 思维导图
mindmap
root((情绪政治与问题定义))
I 引言
情绪是政策驱动力
MSF 轻视情绪
以色列司法改革案例
民粹与情感极化
R 假设
H1 情绪类型有差异
H2 情绪强度有差异
情绪锚定机制
GEW 二十种情绪
M 方法
三十一场公开讲话
人工归纳七个主题
两款模型情绪编码
问卷四百七十人
论点五点量表
多层模型检验稳健
R 结果
十一种情绪被激活
未激活皆正面情绪
H1 被拒绝
H2 获支持
右翼负面更弱
AI 十四组十三吻合
a 讨论
负面情绪主导动员
政客本人即框架
锚定锁死重框定
同情绪不同靶子
受众有边界
D 结论
情绪加速问题认定
短期动员长期反噬
横截面无因果
仅限犹太裔样本
未来看正面情绪
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。